基于主成分分析的水利工程质量可视化动态监测方法

肖 涛

（梅州市梅县区水利水电工程质量安全技术中心，广东 梅州 514700）

当前水资源整体呈现出空间分布不均匀、 时程差异性较大的问题， 同时水资源的短缺及时空分布的不足也是造成水资源开发和利用无法得到有效发展的主要原因。近几年来，为进一步解决水资源存在的上述问题，并保证更加合理、有效地实现对水资源的利用，我国开展了一系列水利工程建设项目［1］。 当前，大部分的水利工程都为线性分布，沿线涉及的地域相对较广，各类设施的种类复杂、数量繁多，长期监控水利工程的质量，可以实现监控的可视化管理，若能够对采集到的数据进行进一步预测和评估， 是当前保证水利工程运行质量安全的有效手段［2］。对此，本文开展基于主成分分析的水利工程质量可视化动态监测方法研究。

1 主成分分析

主成分分析（PCA）是Hotelling提出的一种多元统计分析方法， 通过降维将多个相互关联的数值指标转化为少数几个互不相关的综合指标。

用原始数据矩阵X的p个变量X1，…，Xp作线性组合Y=UX，即

2 基于主成分分析的水利工程质量可视化动态监测方法设计

2.1 建立水利工程建设信息可视化BIM模型

在实施对工程质量的可视化动态监测过程中，本章提出一种建立水利工程建设信息可视化BIM模型的方式，此种方式的核心在于，通过模型集成多种主成分信息，并以此达到对信息集成或信息资源关键内容交互的功能［3］。 在此过程中，应先对水利工程中相关信息进行提取，提取过程中，利用工程的信息更新条件，综合BIM技术的应用，对数据进行实时更新处理。 并利用模型中的资源共享平台，对工程信息进行公开与共享，确保所有资源在模型中均具备一定的交互性。 综合上述分析，在BIM技术的引导下，对水利工程建设信息可视化模型结构进行设计，如图1。

图1 水利工程建设信息可视化BIM模型

如图1所示的结构，在模型支撑下，应将水利工程实施过程中保障建设信息获取的全面性作为前提条件， 获取并定位水利工程中的规划信息、 组织信息、方案信息、工程购进设备信息、施工执行信息、物资信息、运营信息、经营信息、传递信息、通信信息等。 在多种信息支撑下，可视化BIM模型应全面考虑到水利工程建设方单位、施工方单位、购进方、运营方、设备使用方等进行物资采集。 此过程中，应同步使用Revit建模工具，对信息进行融合指令，并将水利工程的建设实施划分为多个工程阶段。 包括水利工程建设施工段、执行段、管理段等。

根据上述对水利工程建设信息可视化BIM模型的功能与结构划分，通过将通信设备、智能设备等设备引进模型应用的方式， 实现对BIM模型的建设与构建。

2.2 水利工程建设信息管理

使用上述设计的水利工程建设信息可视化BIM模型，通过对工程建设信息的有效管理，实现对资源的备份与综合评估， 以此种方式实现对水利工程建设信息的有效管理。 综合上文对此方面开展的相关研究，结合模型为信息管理的量化处理工具，对信息在WEB终端进行展示， 展示过程中要求建设信息以全面的方式呈现在显示端［4］。 根据不同阶段量化数据的实时控制与处理， 进行参数的管理。 管理过程中，需要将模型容量作为管理的前提条件，通过控制数据容量的方式， 对建设信息的实际占有量进行计算，计算方式如式（2）。

式中 Ci为水利工程建设过程中，由建设信息对容量所构成的占用空间；i为建设信息的种类量；k为一个管理周期；Mi为针对不同建设信息，在模型中的不同检索方式；δ 为信息在管理中可能存在的丢失；n为多种工程支撑性建设物资。 综合上述对容量的计算，采用BIM技术， 对建设信息的应用进行决策分配处理。处理过程中，应将水利工程顺利实施作为前提条件，在完成管理信息中核心信息的提取后， 建立建设信息数据定量表格，用于记录建设信息内容，与此同时备份数据，将数据进行标注与索引处理，避免建设信息存在丢失问题［5］。 在此基础上，对建设信息中的设备信息进行库存保存，同样以此种方式，对库存信息进行备份。 以此实现并完成对水利工程中建设信息的有效管理。

2.3 基于主成分分析的水利工程质量评价和预测

在完成对水利工程建设信息管理后， 为确保水利工程项目的质量满足未来持续运行且不出现问题，还需要结合主成分分析实现对水利工程质量的评价，并预测出水利工程质量在未来的变化趋势［6］。 由于水利工程质量安全状态是一个动态过程， 因此在评价和预测的过程中应当具备多样性和时空性。 在水利工程质量监测范围内， 布设多个不同功能的监测设备， 用于对水利工程在运行过程中产生的各类参数进行采集，例如水利工程中的建筑物沉降、连接缝合度、结构应变等。将上述提出的各个物理量作为主成分分析指标，在构建评价体系时，应当根据实际工程的安全监测设备布设情况，按照上述不同物理量的类别对一级主成分分析指标进行划分。由于相同功能和类型的监测设备的数量并不统一，因此根据其具体布设情况， 对二级主成分分析评价指标进行划分，并将指标与每一个监测设备的监测数值对应。为保证质量评估和后续预测结果具有较高的可靠性，还需要对质量评价中的置信区域进行划分，其公式为：

式中 P为水利工程质量评价结果的置信范围；α为显著水平；θ1为置信水平的最小值；θ2为置信水平的最大值；θ为置信水平。

通常情况下， 监测序列并不符合严格的正态分布，根据中心极限定理得出，当监测序列当中的数值足够大时，则符合平均数和方差的正态分布，因此给定置信水平可得到对应的置信区域［7］。 在明确了评价结果的置信区域后， 对不同物理量设置相应的波动范围， 并根据实际主成分物理量在范围内外的波动情况，对水利工程的质量进行评价。 同时，将评价结果引入到CurveExpert曲线生成软件当中， 利用趋势识别的方法， 从上述监测序列的发展趋势角度出发， 当连续的多个主成分数值出现变大或变小的情况时， 则认为当前监测的主成分数值相对于上一个主成分数值变化差异过大， 认为当前数值存在异常现象，以此对未来评价结果的发展趋势进行预测，实现对未来水利工程质量的预测。

3 对比实验

本文以某一正在投入使用的水利工程项目作为实验对象， 分别利用本文提出的基于主成分分析的水利工程质量可视化动态监测方法和文献［4］的基于SOA的智慧河道水质监测预警平台对该项目进行监测，以此对比两种方法的实际应用效果。

3.1 工程实例分析

该水利工程项目包括大坝、坝顶右岸明溢洪道、围堰和引水隧洞的施工，工程级别为Ⅳ等，工程规模属小（1）型。

大坝为混凝土板砌石坝。 水库校核洪水位（P=0.1%）967.70m， 总 库 容741 万m3， 正 常 蓄 水 位965.00m，相应库容669万m3，坝顶高程969.00m，最大坝高73.0m。 坝段主要由混凝土塔楼及高层建筑、混凝土面板、垫层区、过渡区、主要石料及填料组成；混凝土工程量约0.92万m3，铺设量约73.95万m3。

3.2 实验准备

分别在两种方法的监测下， 提出对应各个水利工程相关设备、物资，以及设备运行、水体变化等参数信息。 该水利工程项目具有规模大、线路长、质量监测布置难等特点。 通过对该水利工程项目的相关资料进行调查分析， 并在项目覆盖区域范围内布设十余个监测点位， 分别用于对不同区域范围内的监测信息进行管理，并通过监测信息的变化情况，利用两种监测方法预测未来水利工程质量的发展趋势，并将预测结果与实际情况进行比较。

3.3 实验结果分析

根据上述实验过程的实验结果对比如表1。为确保两种监测方法的结果具有可比性， 利用SPSS数据处理软件， 在相同的评价标准下预测两种方法的结果， 并利用软件自带的评价功能根据两种预测结果进行评分，给出相应的水利工程质量安全系数。

表1 两种监测方法实验结果对比

根据表1的数据可以看出，本文监测方法的评价结果与该水利工程项目的实际质量安全系数更加接近，而文献［4］监测方法的评价结果与实际质量安全系数相差较大。 因此，通过对比实验进一步证明，本文提出的基于主成分分析的水利工程质量可视化动态监测方法在实际应用中能够有效提高监测精度，并实现对水利工程项目未来预测的准确性， 为水利工程建设提供有力保障。

4 结语

本文通过开展基于主成分分析的水利工程质量可视化动态监测方法研究， 提出一种全新的监测方法，并通过实验进一步证明，本文提出的监测方法具有更高的应用价值。水利工程是一项跨区域较广、运行周期较长的项目，因此在其实际运行过程中，通过监测能够为水利工程的可持续发展提供保障， 而通过本文监测方法能够增强表达效果， 提高监测信息数据承载能力，实现对其他相关信息的集成。